同社は広東省深圳市に本社を置くハイテク企業で、香港中文大学深圳校の賈奎教授が立ち上げた。「汎用型フィジカルAIの実現」をミッションに掲げ、シミュレーション環境で学習させたAIモデルを現実世界に適応させる「Sim2Real」技術を軸に、エンボディドAI（身体性AI）の汎用的な社会実装を目指している。2025年7月には、2回のシリーズAで数億元（数十億円）を調達しており、出資を主導した成都科創投と洪泰基金（Hongtai Aplas）のほか、レノボ・キャピタルなどの既存株主も参加した。

DexForceはロボット本体の開発に注力するだけでなく、「エンジン－頭脳－本体」からなるトータルの技術体系を構築している。基盤となるのは、シミュレーション・データエンジン「DexVerse」で、3D基盤モデルと生成AIを活用して高品質な訓練データを生成する。中間層にはAIの頭脳に当たる世界モデル「DexWorldModel」などがあり、産業用ロボットや協働ロボット、人型ロボットに高度な判断力や実行能力を与える。最上層では「DexForce W1」「DexForce W1 Pro」といった人型ロボット製品も展開する。

自己認識能力を持つ「エンボディドAI」、応用拡大へ　合成データ活用してロボットアームの性能を向上

同社のアプローチは、シミュレーション環境でロボットを訓練してから、それを実際の生産現場へ迅速に展開するというものだ。従来のロボットでは作業工程ごとにプログラミングや調整が必要だったが、DexForceはカメラのみを使った3D認識技術とサブミリメートルレベルの操作精度を組み合わせることで、ロボットの汎化能力の向上を図っている。しかもこの手法なら、ロボットの開発や導入にかかる時間を大幅に短縮できるという。

商用化に向けて、同社は2本柱の戦略を進めている。1つはスマート製造分野で、「ロボットの頭脳」といったAIモデルやビジョンセンサーを提供する。ABBやKUKAをはじめとする国内外の主要ロボットメーカーの本体に導入可能で、既存設備を入れ替えることなくフレキシブルな生産体制を実現できる。顧客には中国家電メーカーの美的（Midea）、海爾集団（ハイアール）、海信集団（ハイセンス）のほか、EV大手の比亜迪（BYD）、電子部品メーカー藍思科技（Lens Technology）など大手企業が含まれる。

DexForceの新製品発表会の様子

もう1つは「ロボット本体」と「頭脳」をセットで提供するソリューションだ。最新の人型ロボット「DexForce W1 Pro」は、初代モデルの7自由度ロボットアームをベースに、AIを活用した協調設計により運動学モデルと機構パラメータを最適化。その結果、両腕の作業空間と到達可能範囲が75％広がり、アームをクロスさせる複雑な動きや狭い空間での障害物回避が可能になった。ビジョンシステムとの連携により、繰り返し位置決め精度は0.5mm以下を実現、エンドエフェクタには用途に応じて6自由度のロボットハンドや二指グリッパーを選択でき、産業用途から商業用途まで幅広く対応できる。

現在は、AIを活用した観光・文化産業向け事業を強化している。すでに複数のパートナー企業と提携を結び、今後3年間で数千台のスマートロボットを投入する計画だ。まずは、ティードリンク、コーヒー、カクテル、ポップコーン、アイスクリームの販売や24時間営業の小売店などで重点的に導入を進めていく。その後は、観光地や遊園地、ホテル、スマートビル管理などの分野にも拡大し、人材確保の難しさや業務効率のばらつき、サービスの画一化といった業界の課題解決を目指すという。

【参加募集】中国ヒューマノイドの“爆速展開”、現場から理解する——深圳・独占視察ツアー

＊1元＝約24円で計算しています。

（翻訳・畠中裕子）

索格智算は2025年9月、上海交通大学出身の創業チームによって設立された。数学、AI、高性能計算、材料科学にまたがる学際的な専門家が中核を担う。

計算シミュレーションの「三重苦」を突破

新材料開発における計算シミュレーションは従来、「高精度・高効率・低コスト」を同時に実現できないという構造的な課題を抱えてきた。特に、材料中の原子間に存在する複雑な「長距離相互作用」が計算精度向上の壁となっていた。索格智算はこの課題に対し、独自の物理モデル結合技術を組み込んだニューラルネットワークアルゴリズム「SOG-Net」を開発。原子間の複雑な相互作用を高精度に再現し、シミュレーション誤差を大幅に低減したという。

「SOG-Net」の原理（画像はすべて企業提供）

このアルゴリズムを基盤に、ランダム分割型の分子力学シミュレーションソフト「RBMD」と、ソフトウェアとハードウェアを一体化した専用シミュレーター「NanoTitan（納泰）」を開発した。NanoTitanはGPU（画像処理装置）1枚で原子1000万個のシミュレーションが可能で、処理速度は既存ソフトの数十倍に達する。新材料の開発期間を従来の数年から数カ月へと短縮できる見込みだ。

現在、RBMDのアルゴリズムは国家スーパーコンピューティングプラットフォームに接続されており、NanoTitanも多くの大学・研究機関への導入が進んでいる。

一体型シミュレーター「NanoTitan」

CATL・ファーウェイとも連携

ビジネスモデルは、研究用途と産業用途の同時展開だ。大学や研究機関など研究用途向けには一体型シミュレーター「NanoTitan」をメインに展開し、産業用途では新材料開発を進める大手企業のニーズにフォーカスする。

加えて、他社との協業を通じた事業拡大も積極的に進めている。レアアース磁石メーカーの天和磁材（Tianhe Magnetics）とはAIを活用した磁石の開発・応用システムを共同構築し、材料設計から実験検証、実用化までの開発サイクルの確立を目指す。

車載電池大手CATLの研究部門・未来能源研究院とはリチウムイオン電池材料の分野で提携し、電池の劣化・故障メカニズムを高精度で予測できるシミュレーションモデルを開発。次世代電池の安全性向上とエネルギー密度の改善に取り組む。ファーウェイとは高性能計算と作用素学習（Operator learning）の分野で共同開発を進め、国産チップエコシステムの強化にも貢献している。

索格智算の技術の活用例

今回の資金調達を機に、同社はコアアルゴリズムの応用領域をレアアースや半導体にも広げ、技術開発中心のフェーズから大規模な市場展開へと移行する方針だという。

＊1元＝約23円で計算しています。

（翻訳・畠中裕子）

自動車の電動化とスマート化が急速に進み、航空宇宙や軌道交通などの先端製造業でもデジタル化が推し進められている。電子制御システムが複雑化し安全性への要求が高まるのに伴い、シミュレーションツールチェーンの需要も急増している。2025年には、中国のHIL市場は100億元（約2000億円）規模を超える見込みだ。

中国政府は先端製造業の国内完結戦略を強力に推進しており、国産ツールチェーンの重要性が日増しに大きくなっている。中でも自動車や航空宇宙、産業オートメーションといった主要分野では、高い精度と信頼性を兼ね備えたシミュレーションテストやソリューションが切実に求められている。

蔚赫信息は2016年に設立され、高効率・高精度なシミュレーションテストのソリューションを開発し、自動車企業や先端製造業向けに提供している。主力のHILテスト分野では、中国の業界をリードする企業に成長した。

2022年12月には独ボッシュ傘下のETAS（イータス）が開発したHILテストシステム「LABCAR」の技術ライセンスを取得し、システムインテグレーション（SI）の代行サービスから自社開発・製造への戦略転換を果たす。23年3月には最初の資金調達を完了し、その後1年足らずで初の自社開発製品を出荷。人工知能（AI）技術を半物理シミュレーションシステムに応用し、シミュレーションテストの効率を飛躍的に高めることに成功した。

同社は2024年8月、中国国務院の国有資産監督管理委員会（国資委）が主導する「国有中央自動車企業のデジタル化に向けた共同イノベーションプラットフォーム」の第一陣メンバーに選ばれた。同月開催された「自動車開発ツール：AI＋半物理シミュレーション技術セミナー」では、シナリオ化・モジュール化・デジタル化・エコシステム化を打ち出し、自動車業界のためにシミュレーションツールチェーンの効果を積極的に発揮していく方針を示した。

蔚赫信息はすでに、複数の完成車メーカーや一次サプライヤーを顧客に抱え、製品の活用範囲を自動車業界から教育、蓄電、船舶、航空宇宙、工作機械などへと広げつつある。2024年9月にはグローバル化の最初の一歩として、欧州市場への進出を果たした。

＊1元＝約21円で計算しています。

（翻訳・田村広子）

2021年6月に設立された跨維智能は、3Dモデル生成AI、マルチモーダル大規模言語モデル（LLM）、3Dイメージングなどの画像処理技術をベースに、ハードウエアとソフトウエアを一体化したエンボディドAIのソリューションを提供している。エンボディドAIとは、環境と相互作用しながら、そこから学習して自らの機能を継続的に改善していく次世代AIのことを指す。

創業者で香港中文大学（深圳）教授の賈奎氏は、AIやコンピュータビジョン、機械学習、3Dモデリング、3Dセンシング大規模言語モデルの研究に長年携わってきた。

賈教授は中国や海外の学術機関を経て、2016年から華南理工大学でAIを使った3Dセンシングの研究に着手した。18年以降はシミュレーションで学習したモデルを実世界で使う強化学習手法の「Sim2Real」によって、物理エンジンで3Dシミュレーションデータの合成に取り組み、これが跨維智能のコア技術となっている。

エンボディドAIは操作対象、環境、タスクの複雑さに応じ、5つの段階を経ながら機能を向上させていくと、賈教授は語る。ある程度決まったシーンで特定のタスクを処理する専用ロボットから、任意もしくは未知のシーンに対応するロボットへとアップグレードされ、最終的には自己適応が可能な汎用ロボットとなって、任意のタスクをこなせるようになる。

賈教授によるエンボディドAIの成長段階

エンボディドAIの学習から実用化へのプロセスを大きく阻んでいるのは、質の高いタグ付きデータの少なさだ。言語モデルや画像・動画の生成AIとは異なり、エンボディドAIの基盤モデルを訓練するには物理世界の絶対座標に基づいた膨大かつ正確な計測データが必要になり、データ取得の難易度やコスト、タグ付けの量は言語モデルをはるかに上回る。

跨維智能は現実世界のデータを合成データに置き換えることでコストを抑え、効率的で信頼性の高いソリューションを提供している。同社のSim2Real技術は、物理シミュレーションのロボット操作に、作業に伴う実世界のさまざまな障害を組み込み、レンダリングや軌跡データ、関節データの記録などを通じて正確にタグ付けされた膨大な合成データを作り、そのデータをエンボディドAIの大規模言語モデルに用いるというものだ。

跨維智能の技術の活用シーン

跨維智能のSim2Real技術によって、現実の3Dデータを使わずに、複雑なシーンで作業するロボットアームのための3Dビジョンモデルを訓練できる。100％合成データで訓練したモデルを導入したロボットアームは、99.9％以上の安定した操作と把持が可能になるという。

同社のエンボディドAIソリューションはすでに半導体、自動車、太陽光発電などの製造現場で導入されている。2023年5月にリリースされた産業用3Dカメラ「Xema」シリーズはAPIとSDKを公開しており、ユーザーは二次開発のコストを削減できる。

（翻訳・大谷晶洋）

賽目科技は2014年に設立され、インテリジェント・コネクテッド・ビークル（ICV）のシミュレーションテストの設計・開発に注力し、テスト・検証・評価ソリューションを提供してきた。

目論見書によると、賽目科技の売上高は22年が1億4500万元（約32億円）、23年が1億7600万元（約39億円）、純利益は22年が4868万6000元（約11億円）、23年が5343万1000元（約12億円）となっている。また、売上総利益率（粗利率）も22年が65.6％、23年が70.9％と着実な伸びを示している。

米調査会社フロスト＆サリバンのデータによると、賽目科技は中国のICVテスト・検証・評価ソリューション市場でシェア5.3％を占め、業界最大手となっている。

賽目科技の2023年の中国市場シェア（資料出典：フロスト＆サリバン）

賽目科技は、中国通信機器大手の華為技術（ファーウェイ）との関係でも注目を集める。ファーウェイは傘下の哈勃科技投資（Harbo Technology Investment）を通じて賽目科技の株式を2.8％保有し、ICVシミュレーションに関するツールチェーン、テスト・検証方法、車載オペレーティングシステムのほか、関連する標準規格の策定で協力している。

＊1元＝約22円で計算しています。

（36Kr Japan編集部）

自動運転用シミュレーションソフトを開発する「昇啓科技（RisenLighten）」はこのほど、追加のエンジェルラウンドで華山資本（WestSummit Capital）から資金を調達した。2022年設立の昇啓科技は、AIアルゴリズムを取り入れたシミュレーションの開発に注力しており、顧客がAI活用スキルを高めて整ったデータチェーンを構築できるようサポートしている。

昇啓科技のシミュレーションプラットフォームでAIが再現した交通流

自動運転シミュレーションに関わる4つの主力サービス

自動運転のシミュレーションにおけるさまざまなニーズを満たせるよう、昇啓科技では自動運転シミュレーションプラットフォーム、地図編集プラットフォーム、シナリオライブラリ編集プラットフォーム、AI訓練プラットフォームの4つを展開する。

同社が最初に手がけた主力の自動運転シミュレーションプラットフォームはすでにサービスを開始しており、フルスタックのシミュレーション機能を提供し、自動運転走行テストのためのリアルで効率的な仮想環境の構築を可能とする。プラットフォームはマッピングや交通流、検知・決定・制御モデル、自動車運動力学、V2X（Vehicle to Everything）通信、二次開発インターフェース、性能評価などの機能を備え、自動運転技術の研究・開発をサポートする。

2024年1～3月期に完成した地図編集プラットフォームは、顧客が地図データを効率的に作成・修正するのを支援し、地図の編集プロセスを簡略化する。

シナリオライブラリ編集プラットフォームは2024年4～6月期のリリースを予定しており、データマイニングやシナリオ生成を通じて、自動運転走行テストのシナリオライブラリを充実させることを目的としている。ユーザー定義のシナリオ作成も可能で、自動運転システムのテストカバレッジや開発効率を効果的に高めることができる。

2024年10月までに稼働を開始する予定のAI訓練プラットフォームは、自動運転のエンドツーエンドモデルの訓練に重点を置き、脳型学習やAIモデルを活用して自動運転の高度化を支える。

昇啓科技の孫琪CEOによると、自動運転の実現には演算能力とデータ、アルゴリズムの3つを効率よく統合することが欠かせないという。

演算能力の向上については、CPUやGPUなどを購入することで簡単に解決できる。データに関しては、自動車メーカーが販売済みの車両から十分なデータを収集できるのに対し、スタートアップ企業にとってはデータの収集が大きな課題となる。アルゴリズムは、演算能力とデータを強化するのもアルゴリズムの質を高める最も重要な要素だが、従来型の自動車メーカーはこのアルゴリズムの分野が弱い。

昇啓科技はシミュレーションツールやAIを活用することで、自動車メーカーが整ったデータチェーンを確立できるようにしている。データチェーンには、データの収集やアップロード、処理、強化に加え、アルゴリズムの訓練、モデルの最適化などが含まれるが、同社はシミュレーション技術を使ったデータの強化とアルゴリズムの訓練に特化して、自動運転システム全体のブラッシュアップを支えている。

同社は、自動運転技術の開発企業にシミュレーション技術やデータ処理ツールなどを提供するティア2（車両メーカーの二次請け）もしくはティア1.5に位置付けられるため、ボッシュやファーウェイなど自動運転機能を手がけるティア1のサプライヤーと直接競合することはない。目下、自動車メーカーや政府、大型法人、科学教育機関などの提携先にサービスを提供している。

（翻訳・畠中裕子）

51Simは2017年、デジタルツイン技術を手がける「51WORLD」のインキュベートによって設立された。鮑世強CEOは、設計ソフトウエアを開発するAutodeskの中国研究開発センターに長年勤務していた経験がある。

自動車は今や次世代のスマートデバイスとなりつつあり、中でも自動運転機能は自動車メーカーが競い合う大きなポイントとなっている。自動運転技術には高品質なデータの大量生成および学習が必要で、電気自動車（EV）大手の米テスラはこの手法で「FSD（フルセルフ・ドライビング）」の機能を改良している。しかし、実世界のデータを収集してタグ付けする（アノテーション）には時間や労力、コストがかかり、多岐にわたる複雑な運転シーン全てをカバーするのも難しい。

このような問題を解決するために、自動運転シミュレーションと合成データの技術が登場した。シミュレーションでは主に、収集したデータを使用して大量のシーンを生成し、稀に起こるコーナーケースも再現する。

鮑CEOによると、これまで使われてきたシミュレーションソフトウエアの大半は外国製で、車両自体のシミュレーションに重点を置き、基本的な運転支援の機能とシーンをテストするために使われている。しかし、外国製ソフトウエアはバージョンアップが遅く、中国国内の高度な自動運転の検知システムや複雑な市街地シーンを生成するのが難しい。

鮑CEOは、リアルさと再現性が自動運転シミュレーションの重要な指標になると考えた。例えば都市部の道路をシミュレーションする場合、実際の天候や道路などで構成される静的環境と、さまざまな車種が行き交う動的環境をそれぞれ再現する必要がある。もちろん、実世界のデータとシーンは実際の路上走行を通じて取得および再構築できるが、大切なのは実世界データに加えて、編集可能な多くの類似シーンを生成することであり、それによって自動運転システムがさまざまなシーンに対応できるようになる。

自動運転シミュレーションソフトウエアは現在、データ駆動型からデータ生成型へと進化している。データ生成は合成データ技術をベースに大量かつ多様なデータを生成するもので、データ取得および処理の難易度とコストを下げられる。

51Simはすでに自動運転シミュレーションプラットフォーム「SimOne」、合成データプラットフォーム「DataOne」などを発表した。SimOneにはスタンドアローン型とクラウド型があり、クラウドのほうでは顧客が関係者とデータを共有することも可能だ。一方、データのマイニングと合成にも重点を置いて、実世界の学習データを補うと共に、検知システムの機能向上を図っている。

ほかに、バイトダンス（字節跳動）傘下のクラウドサービスプラットフォーム「火山引擎（Volcano Engine）」、検査ソリューションの「天准（TZTEK）」、自動運転技術の「美行科技（MXNAVI）」などと共同で、チップやドメインコントローラー、データマイニング、データ処理、機械学習、シミュレーション、テストを含む自動運転の総合ソリューションもリリースした。紹介によると、51Simはすでに世界のさまざまな分野で100社以上と提携しているという。

＊2024年3月11日のレート（1元＝約20円）で計算しています。

（翻訳・大谷晶洋）

近年、政策の後押しもあって、中国の都市部では駐車施設の改修が進んでいる。現時点で主流となっているのは機械式立体駐車場とAGV（自動搬送車）を活用した駐車場の2種類だ。立体駐車場は駐車スペースを増やすのに有効ではあるものの、駐車する際に車体をこすったりしやすいなど使い勝手に難がある。一般的なAGVによる駐車自動化システムは、導入コストがかかる割に駐車スペースはそれほど増やせない。

このような背景のもと、2018年に設立された「達泊智能（Double Parking Intelligent）」はAGVを活用したインテリジェントパーキングに注力している。創業者の符建博士は「AGVの積載重量は3トンほどで、ビジョンシステムによる測位ナビゲーションや協調型スケジューリングシステムを備えている」と紹介する。提供するのはソフトウエアとハードウエアを組み合わせた立体駐車ソリューションで、駐車スペースを増やし、駐車管理を最適化することにより、駐車場の使用効率を高められる。

達泊智能の製品

同社は重量物の運搬や昇降技術をベースに、重量物昇降用のAGVを活用して1台分の駐車スペースに2台駐車できるようにしたり、車両通路を改造して通路上に駐車スペースを追加したりしている。駐車場が満車の場合は、車両運搬用AGVの待機場所を駐車スペースとして利用することもできるという。

維持管理コストについて、符博士は「従来の機械式立体駐車場は構造が複雑なうえ、駐車スペース20台ごとに有資格のメンテナンス要員を1人配置する必要があり、維持管理の人件費や経費が高止まりしていた。弊社のソリューションなら技術者1人を常駐させるだけで済む」と語る。

達泊智能はシミュレーションシステムも独自に開発している。ソリューションの導入前に、図面上の要件に沿って入出庫の所要時間やAGVの運行、渋滞などをシミュレーションし、それに基づいて駐車スペースのレイアウトや車両受け渡し場所の数、AGVの走行経路、建設費などを含む設計プランを打ち出す。

導入後は、シミュレーションシステムが可変式の車両動線ソリューションを作成し、ピーク時の混雑緩和を図る。まず車両の流れを学習させたうえで、入庫ピーク時には車両受け渡し場所の大部分を入口に切り替え、逆に出庫ピーク時には出口にして対応する。多数の車両が列をなしている場合には、いったん車両を待機エリアに置き、長時間駐車する車両は奥に、短時間の駐車なら車両受け渡し場所の近くに配置するなど、利用者の利用予定に応じてシステムが調整を行う。

このシステムは待ち時間を減らせるだけでなく、いっそう便利でインテリジェントな駐車サービスの実現にもつながっている。利用者が所定の場所に車を止めると、その後の作業は全てAGVが行う。駐車や車両受け取りはアプリもしくはミニアプリから予約する。

符博士は自社の一番の強みとしてAGV運行管理システムと高い測位精度を挙げる。「運行管理システムは、AGV同士の協調、回避、稼働効率などを制御・調整するものであり、測位精度は駐車場全体の効率に直接関わるものだ」。達泊智能は現在、ビジョンシステムと2次元コードによるガイドを組み合わせて、経路の設計や調整を行っている。

同社はすでに河北省雄安新区、福建省福州市、広州市の複数地域で駐車場の改修や新設、新エネルギー車向けの充電可能な駐車場などのプロジェクトを手がけている。

今後は、古い集合住宅エリアの駐車場や小型のタワーパーキング、屋外駐車場など、AGVを利用した立体駐車ソリューションの活用シナリオの開拓を継続していくという。さらに防水型AGVとモジュール式車両受け渡し場所を組み合わせた屋外駐車場ソリューションも間もなく打ち出す予定だ。
（翻訳・畠中裕子）

1日100万キロのテストも可能

自動運転車の実用化には大量のデータが必要だ。テスラのイーロン・マスクCEOは、自動運転システムの量産化のために少なくとも96億キロのテストが必要だとし、米シンクタンクの「ランド研究所」は177億キロ必要だとの試算結果をまとめた。

これは100台の車が時速40キロで毎日走行しても500年かかる計算だ。つまり、実際の走行テストに頼るだけでは、自動運転の実現は不可能だということになる。

Waymoの自動運転シミュレーション画像　画像は「Hard Copy」より

そこでシミュレーションの登場である。この技術は仮想のシーンを立ち上げ、自動車の制御装置をアルゴリズムに変え、仮想シーンのなかで繰り返し学習させる方法である。実際の走行テストではアルゴリズムが変われば数十台の車両による数百キロの実験が必要となり、コストが高騰するが、シミュレーションならコンピュータ上で初歩的な検証を行うことができる。

走行テストの代わりになるだけでなく、悪天候や交通事故など、走行テストでの再現が難しい極端な状況をもシミュレートできるのがこの方法の強みだ。

大手の参入

自動運転シミュレーションには、BAT（バイドゥ、アリババ、テンセント）とファーウェイがともに参入している。

もっとも早く参入したのはバイドゥだ。同社はシミュレーションエンジン「Apollo」内に大量の道路情報と自動運転のデータを蓄積している。2020年3月には中国初のL4自動運転オープンテスト基地を重慶で立ち上げ、「シミュレーション+閉鎖空間内実験+公道走行テスト」の全プロセスを一カ所で行えるようにした。

しかし、業界関係者によると、バイドゥのシミュレーションシステムはオープンなプラットフォームではなく、あくまで自社の自動運転開発のためのものである。そのため、中核となる情報が非公開で、他社技術との互換性が低いといった制約がある。自動車メーカーがバイドゥの技術に過度に依存した場合、単なるハードウェアのサプライヤーに成ってしまう恐れがある。

バイドゥのApolloのフレームワーク　画像は「百度Apollo」より

ファーウェイは自社では自動運転車両を開発せず、自動車メーカー向けにシミュレーション技術を提供するという立場を明確にしている。同社は2019年4月に自動運転クラウドサービス「Octopus」をローンチし、1万以上のシーン、3000以上の並行テストを提供し、1日500万キロ相当のシミュレーションを行うことができる。

ファーウェイのOctopus　

画像は「世界智能網聯汽車大会（WORLD INTELLIGENT CONNECTED VEHICLES CONFERENCE）」より

テンセントもファーウェイと同様の立場だ。2019年11月、同社は「TAD Sim」をローンチし、高度なゲームエンジン、車両空力モデル、交通流シミュレータを搭載し、限りなく実際の状況に近いシミュレーションができるとしている。

テンセントの自動運転に関する事業　画像は2018テンセントグローバルパートナー大会より

参入が最も遅かったアリババは、2020年4月に先端技術研究機関「阿里巴巴達摩院（Alibaba DAMO Academy）」を通して、「ハイブリッドシミュレーション走行プラットフォーム」を発表。実際のデータを使って自動的にバーチャルシーンを生成し、そこに人がランダムに介入することをシミュレーションできるという。アリババはこのプラットフォームでL5の自動運転へつなげるとしているが、まだ細部情報の公開が少なく、どこまでオープンになるのかも不明だ。

中国のインターネット大手のほか、グーグル傘下の「Waymo」は自社のテストのみに使われる「Carcraft」システムを持ち、現在までに161億キロのシミュレーションを行ったという。同社は2019年末にシミュレーション技術向上のため、英国の「Latent Logic」社を買収した。

ゼネラル・モーターズ傘下の「Cruise」も自社向けのみのシミュレーションシステムを持っている。著名なゲーム開発者Tom Boyd氏がこのシステムの責任者だ。同社のシステムではシミュレーションの距離よりも、どれだけ多くのシーンをテストできるかを重要視している。そのために歩行者も運転手も交通ルールを守らない仮想の都市をシステム上に作ったほどである。

セコイア・キャピタルのパートナーである張帆氏によると、上記大手のほか、「AutoX」、「文遠知行（WeRide）」、「小馬智行（Pony.ai）」などL4の自動運転技術でしのぎを削るトッププレイヤーもハードウェアとアルゴリズムの技術に長けており、彼らに足りないのはアルゴリズムの学習用のデータだけである。そのため、これらの企業は国内の自動車メーカーと戦略的に提携することでデータを取得し、自動運転シミュレーションを行っているのだという。

（翻訳：小六）

アリババグループの先端技術研究機関「阿里巴巴達摩院（Alibaba DAMO Academy）」は4月22日、世界初自動運転車用の「ハイブリッドシミュレーション走行プラットフォーム」を発表した。このプラットフォームでは、リアル（実環境）とバーチャル（仮想環境）を融合したシミュレーション技術を採用し、実際の走行テストとクラウドを活用した機械学習によって、悪条件のシーンであってもわずか30秒でテストを完了することができる。1日あたり800万キロ以上のシミュレーション走行が可能で、AIモデルの学習効率を大幅に向上させている。

自動運転にとってシミュレーションによる走行テストは、アルゴリズムを最適化する上で重要なプロセスである。実際の路上走行テストによるデータの蓄積には限界があり、米シンクタンクの「ランド研究所」の試算によると、1つの自動運転システムを量産するには170億キロ以上の走行データが必要となる。これは100台の車が時速40キロで毎日走行しても500年かかる計算だ。しかし、実測データに基づいてバーチャルな道路状況を構築すれば、学習効率は飛躍的に向上する。

また、悪天候や交通事故など極端な状況は、実際の走行テストでは再現が難しい。アルゴリズムがこれらの状況に対応できるようにするためには、シミュレーション環境で学習を行う必要がある。

(動画は新華社より)

自動運転企業にとってシミュレーション走行プラットフォームを構築することは大きな競争力となる。アリババ達摩院のシミュレーション走行プラットフォームは、実際のデータを使って自動的にバーチャルシーンを生成し、そこに人がランダムに介入することにより、リアルタイムで前後の車の加速、急カーブ、緊急停車などのシーンをシミュレーションし、車両が障害を避けるための学習を行うことができる。悪条件のシーンをシミュレートすることも可能で、1日あたり100万種類のシーンを生成することができる。

アリババの発表より前に、ファーウェイ、テンセント、バイドゥもシミュレーション走行テストプラットフォームをリリースしている。しかし、業界関係者が、自動車専門情報サイト「未来汽車日報」に語った内容によると各社の出発点は全く異なっているという。ファーウェイは車載コンピューティング・プラットフォーム「MDC（Mobile Data Center）」をリリースしており、その顧客向けにセットとなったシミュレーションプラットフォームを提供している。テンセントのシミュレーションプラットフォームはクラウドコンピューティングをベースにしており、実際の応用シーンを模索しているところだ。バイドゥのシミュレーションプラットフォームは自社の自動運転技術の開発に用いられている。

自動運転車市場が注目を浴びるにつれ、シミュレーション走行プラットフォームも主要企業および業界のトッププレイヤーにとって重要な戦いの場となった。「中国自動運転シミュレーション技術研究報告（2019）」によると、今後5年以内にシミュレーション走行の世界市場の規模は、100億ドル（約1兆700億円）前後になると予測されている。
（翻訳・普洱）